Étude de cas, partie IV : tâches finales

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cet exercice fait partie du cours

Introduction à l’analyse de réseaux en Python

IntermédiaireNiveau de compétence

4.8+

167 reviews

Commencer le cours gratuitement

Dans ce chapitre, vous découvrirez les concepts fondamentaux de l’analyse de réseaux tout en explorant un jeu de données réel issu de Twitter. Vous ferez également connaissance avec NetworkX, une bibliothèque qui permet de manipuler, analyser et modéliser des graphes. Vous verrez les différents types de graphes et apprendrez à les visualiser de manière pertinente.

Exercise 1: Introduction aux réseaux Exercise 2: Qu’est-ce qu’un réseau ?Exercise 3: Bases de l’API NetworkX avec un réseau Twitter Exercise 4: Tracé simple d’un réseau avec NetworkX Exercise 5: Requêtes sur un graphe Exercise 6: Types de graphes Exercise 7: Vérifier si un graphe est orienté ou non orienté Exercise 8: Spécifier un poids sur les arêtes Exercise 9: Vérifier la présence de boucles (self-loops) dans le graphe Exercise 10: Visualisation de réseau Exercise 11: Visualiser avec des matrices Exercise 12: Visualiser avec des graphiques Circos Exercise 13: Visualiser avec des Arc plots

Vous apprendrez à repérer les nœuds importants dans un réseau. Ce faisant, vous serez initié à des concepts plus avancés de l’analyse de réseaux ainsi qu’aux bases des algorithmes de recherche de chemin. Le chapitre se termine par une analyse approfondie du jeu de données Twitter, qui renforcera les notions vues, comme la centralité de degré et la centralité d’intermédiarité.

Exercise 1: Centralité de degré Exercise 2: Calculer le nombre de voisins pour chaque nœud Exercise 3: Calculer la distribution des degrés Exercise 4: Distribution de la centralité de degré Exercise 5: Algorithmes de graphes Exercise 6: Plus court chemin I Exercise 7: Shortest Path II Exercise 8: Chemin le plus court III Exercise 9: Centralité d’intermédiarité Exercise 10: Centralité d’intermédiarité NetworkX sur un réseau social Exercise 11: Approfondissement – Réseau Twitter Exercise 12: Exploration approfondie – Réseau Twitter, partie II

Ce chapitre est consacré à la recherche de structures intéressantes dans des données de réseau. Vous apprendrez des notions essentielles telles que les cliques, les communautés et les sous-graphes, qui mobiliseront les compétences acquises au Chapitre 2. À la fin du chapitre, vous serez prêt à appliquer ces concepts à une étude de cas réelle.

Exercise 1: Communautés et cliques Exercise 2: Identifier les relations en triangle Exercise 3: Identifier les nœuds impliqués dans des triangles Exercise 4: Identifier les triangles ouverts Exercise 5: Cliques maximales Exercise 6: Trouver toutes les cliques maximales de taille « n »Exercise 7: Sous-graphes Exercise 8: Sous-graphes I Exercise 9: Sous-graphes II

Dans ce dernier chapitre, vous consoliderez tout ce que vous avez appris au travers d’une étude de cas approfondie sur des données de réseaux de collaborateurs GitHub. C’est un excellent exemple de données de réseaux sociaux réels, qui mettra pleinement à l’épreuve vos nouvelles compétences. À la fin, vous aurez développé votre propre système de recommandation pour mettre en relation des utilisateurs de GitHub susceptibles de collaborer.

Exercise 1: Étude de cas !Exercise 2: Caractériser le réseau (I)Exercise 3: Caractériser le réseau (II)Exercise 4: Caractériser le réseau (III)Exercise 5: Étude de cas, partie II : visualisation Exercise 6: Graphique Matrix Exercise 7: Tracé en arcs Exercise 8: Graphique Circos Exercise 9: Étude de cas, partie III : cliques Exercise 10: Trouver des cliques (I)Exercise 11: Trouver des cliques (II)Exercise 12: Étude de cas, partie IV : tâches finales

Exercice en cours

Exercise 13: Identifier des collaborateurs importants Exercise 14: Caractériser les communautés d’édition Exercise 15: Recommander des co-éditeurs qui n’ont pas encore collaboré Exercise 16: Dernières réflexions